Question

我有一个具有以下结构的文件：

@scaffold456
ATGTCGTGTCAGTG
GTACGTGTGTGG
+
!!!!!@!!!!!!!!
!!!!!!!!!!!!
@scaffold342
ATGGTGTCGTGGTG
ACGTGGC
+
!>!>!!!!+!!!!!
!!!!!!!

我想要一个像这样的输出：

>scaffold456
ATGTCGTGTCAGTG
GTACGTGTGTGG
>scaffold342
ATGGTGTCGTGGTG
ACGTGGC

我想在Python中实现这一点，我从以下开始：

fastq_filename = "test_file"
fastq = open(fastq_filename) # fastq is the file object

for line in fastq:
    if line.startswith("@"):
        print line.replace("@", ">")

但我不能继续，因为我不知道： 1.如何在某种模式匹配后打印线条？ 2.我应该如何指定我想跳过+到下一个@符号之间的行？

这是Python中一个更复杂的主题，我不知道，任何帮助和解释都会很棒，谢谢！

Answer 1

fastq_filename = "test_file"
fastq = open(fastq_filename) # fastq is the file object    

canPrintLines = False # Boolean state variable to keep track of whether we want to be printing lines or not
for line in fastq:
    if line.startswith("@"):
        canPrintLines = True # We have found an @ so we can start printing lines
        line = line.replace("@", ">")
    elif line.startswith("+"):
        canPrintLines = False # We have found a + so we don't want to print anymore

    if canPrintLines:
        print(line)

Answer 2

我不知道您与+的行有多复杂。我理解您的问题，因此您希望忽略这些行中的所有@和interesting_line=True for line in fastq: if line.strip()=='+': # Here we check for the + sign. You might need to adapt the test. interesting_line=False # We don't care from now on if line.startswith('@'): interesting_line=True if interesting_line: # Do what you want with your line.符号。

在这种情况下，我会引入一个状态变量来存储我们当前是否正在处理一个有趣的行：

Intent intent = new Intent(Intent.ACTION_EDIT);
                intent.setType("vnd.android.cursor.item/event");
                intent.putExtra("beginTime", cal.getTimeInMillis());
                intent.putExtra("allDay", true);
                intent.putExtra("endTime", cal.getTimeInMillis()+60*60*1000);
                intent.putExtra("title", title);
                intent.putExtra("description",desc);
                c.startActivity(intent);

正如我所说，您可能需要检查是否存在我的简单测试不匹配的情况，但这应该为您提供一个起点

Answer 3

这是一种简单的方法：

for line in fastq:
    if line and line[0].isalpha() or line[0]== '@':
        line = line.rstrip()
        print line.replace("@", ">")

输出：

>scaffold456
ATGTCGTGTCAGTG
GTACGTGTGTGG
>scaffold342
ATGGTGTCGTGGTG
ACGTGGC

Answer 4

for line in fastq:
    if line.startswith("@") or line.isalpha():
        print(line.replace("@", ">"))

找到以@开头的行，将其替换为>并打印出来。然后找到一个只包含字母的行，然后打印该行。

Answer 5

以下代码

忽略行以+或!

@

将>替换为@
写下所有其他行

码

def format_file(path):
    new_lines = ""
    for line in open(path):
        if line.startswith("@"):
            new_lines += line.replace("@", ">")
        elif line.startswith("+"):
            pass
        elif line.startswith("!"):
            pass
        else:
            new_lines += line
    print new_lines

format_file("test_file")

Answer 6

如果我正确地解释你的问题，那么我认为这就是你要找的东西

for line in fastq:
    line = line.replace('\n','')
    n = len(line)
    mat = re.match(r'([ATGC]){%d}' % n,line)
    if mat:
        print line
    if line[0] == '@':
        print line.replace('@','>')

这使用Regular Expressions非常有用。这表示如果它只是一行A,T,G, or C那么打印该行，然后另一个if语句与你拥有的相同。 {%d}匹配前一个语句n的出现次数[ATGC]。如果超过A,T,G, or C，则只需在方括号之间添加它们。

在python中打印两个模式之间的行

6 个答案: